A Framework for online anomaly and concept drift monitoring in event log stream

Página do item simplificado
dataload.collectionmapped02 - Mestrado - Ciência da Computaçãopt_BR
dataload.filenamenourau6685.pdfpt_BR
dataload.handlemapped123456789/50pt_BR
dataload.idpergamum173131pt_BR
dataload.idvirtuanourauvtls000226748pt_BR
dataload.idvirtuapergamumvtls000226748pt_BR
dataload.idvirtuapergamum.sameurlnourauSIMpt_BR
dataload.linknourauhttp://www.bibliotecadigital.uel.br/document/?code=vtls000226748pt_BR
dataload.linknourau.regularSIMpt_BR
dataload.linknourau.retificadohttp://www.bibliotecadigital.uel.br/document/?code=vtls000226748pt_BR
dataload.linknourau.size64.00pt_BR
dc.contributor.advisorBarbon Junior, Sylvio [Orientador]pt_BR
dc.contributor.authorTavares, Gabriel Marquespt_BR
dc.contributor.bancaBaccarin, Evandropt_BR
dc.contributor.bancaMantovani, Rafael Gomespt_BR
dc.coverage.spatialLondrinapt_BR
dc.date.accessioned2024-05-01T14:45:35Z
dc.date.available2024-05-01T14:45:35Z
dc.date.created2019.00pt_BR
dc.date.defesa27.03.2019pt_BR
dc.description.abstractResumo: Organizações geram altos volumes de dados relacionados a processos de negócios e frequentemente enfrentam dificuldades para extrair, organizar e interpretar esses dados Técnicas tradicionais de mineração de processo apoiam a análise e a recuperação de informações de logs de eventos de negócios, modelando, monitorando e aprimorando processos No entanto, técnicas tradicionais lidam com logs de eventos em uma abordagem em lote (batch), ou seja, usam um log de um processo já finalizado como ponto de partida para análise Considerando que processos de negócios são registrados continuamente, surge a necessidade de análise em tempo real Além disso, ao lidar com fluxos, restrições adicionais aparecem, como a mudança da distribuição de dados ao longo do tempo e instâncias incompletas, o que impossibilita a aplicação de métodos convencionais Dessa forma, este trabalho propõe um framework capaz de lidar com logs de eventos em um cenário de fluxo de dados, sustentando a descoberta de processos, a verificação de conformidade e o aprimoramento de processos Experimentos com logs de eventos reais e sintéticos foram realizados Os resultados mostram que a proposta é capaz de identificar anomalias e adaptar seu modelo a novos conceitos Finalmente, abordagens similares foram comparadas e discutidaspt_BR
dc.description.abstractother1Abstract: Organisations generate high volumes of data related to business processes and often struggle to extract, organise and interpret this data Traditional process mining techniques support the analysis and information retrieval from business event logs by modelling, monitoring, and enhancing processes However, traditional techniques deal with event logs in a batch approach, that is, they consume a log of an already concluded process as a starting point for analysis Considering that business processes are recorded continuously, a need for real-time analysis is raised Moreover, when dealing with streams, additional constraints appear, such as the change of data distribution over time and incomplete instances, making conventional methods impractical Thus, this work proposes a framework capable of handling event logs in a streaming scenario, supporting process discovery, conformance checking, and process enhancement Experiments with real and synthetic event logs were performed The results show that the proposal is able to identify anomalies and adapt its model to new concepts Finally, similar approaches were compared and discussedpt_BR
dc.description.notesDissertação (Mestrado em Ciência da Computação) - Universidade Estadual de Londrina, Centro de Ciências Exatas, Programa de Pós-Graduação em Ciência da Computaçãopt_BR
dc.identifier.urihttps://repositorio.uel.br/handle/123456789/15165
dc.languagepor
dc.relation.coursedegreeMestradopt_BR
dc.relation.coursenameCiência da Computaçãopt_BR
dc.relation.departamentCentro de Ciências Exataspt_BR
dc.relation.ppgnamePrograma de Pós-Graduação em Ciência da Computaçãopt_BR
dc.subjectMineração de dados (Computação)pt_BR
dc.subjectFramework (Programa de computador)pt_BR
dc.subjectArquitetura da informaçãopt_BR
dc.subjectData mining (Computing)pt_BR
dc.subjectFramework (Computer program)pt_BR
dc.titleA Framework for online anomaly and concept drift monitoring in event log streampt_BR
dc.typeDissertaçãopt_BR

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
6685.pdf
Tamanho:
1.76 MB
Formato:
Adobe Portable Document Format
Baixar

Coleções

02 - Mestrado - Ciência da Computação